За последнее десятилетие бизнес-аналитика претерпела революцию:
повсеместно внедрены облачные сервисы и аналитика больших данных;
электронные таблицы отошли на второй план, и им на смену пришла глубокая визуализация данных;
использование инструментов расширенной аналитики стало более демократичным, теперь использование подобных технологий доступно не только аналитикам, но и обывателям.
Тенденции 2023 года в BI выстроены вокруг нескольких ключевых общих принципов: индивидуализация инструментов аналитики, чистота и защищенность данных, мощные технологии визуализации, интеграция BI и искусственного интеллекта.
Читайте дальше, чтобы ознакомиться с топ-10 тенденций в области бизнес-аналитики на 2023 год на основе рейтинга Datapine.com
1) Искусственный интеллект
Ожидается, что в ближайшие годы искусственный интеллект превратится в более гибкую технологию, поскольку организациям будут требоваться (и уже требуются) новые подходы к анализу данных. Причиной таким требованиям, в частности, является временная деиндустриализация времен COVID-19. Бизнес-ландшафт в этот период существенно изменился, нарушив целостность исторических данных. В этих условиях ИИ-решения должны работать с меньшими наборами данных и более адаптивным машинным обучением.
При этом важно, чтобы сниженный объем данных не спровоцировал попытки увеличить его любой ценой. Конечно, чем больше данных, тем информативнее аналитика, но ИИ должен быть этичным и не нарушать правила конфиденциальности. Многие организации уже сталкиваются с юридическими проблемами из-за незаконного сбора данных у пользователей. Скандалы с Facebook и Cambridge Analytica яркие тому примеры.
В ответ на растущую потребность контроля инструментов ИИ компании по всему миру разрабатывают методики, которые помогут организациям обеспечить эффективную защиту данных. Эти методики подразумевают необходимость внедрять привлечения специалистов из сферы комплаенса, юриспруденции, информационных технологий и аналитики с самых ранних этапов проектирования систем. Ожидается, что к 2026 году компании, применяющие такого рода фреймворки к своим моделям искусственного интеллекта, будут на 50% успешнее с точки зрения внедрения, бизнес-целей и принятия пользователями.
Учитывая все обстоятельства, очевидно, что искусственный интеллект вызывает озабоченность у пользователей. Количество приложений, основанных на искусственном интеллекте, стало настолько большим, что многие ИТ-специалисты даже не знают, как их использовать или интерпретировать. Это оставляет открытыми двери для нарушений и финансовых потерь, которые могут существенно повлиять как на компании, так и на клиентов. Поэтому в центре обсуждений в течение ближайшего времени будет XAI – это развивающаяся прикладная область знания, целью которой является применение конкретных процессов и методов, позволяющих людям понимать результаты, создаваемые с помощью машинного обучения и алгоритмов искусственного интеллекта. Ее конечная цель – обеспечить доверие, прозрачность и контроль над ИИ.
Бизнес-аналитика на основе искусственного интеллекта
Когда дело доходит до аналитики, компании переходят от статичных, пассивных отчетов о том, что уже произошло, к проактивной аналитике с информационными панелями, которые помогают им видеть, что происходит каждую секунду, и выдавать предупреждения, когда что-то идет не так. Искусственный интеллект может обеспечить высокую точность обнаружения аномалий, поскольку он извлекает уроки из исторических тенденций и закономерностей. Таким образом, любое непредвиденное событие будет немедленно зарегистрировано, и система уведомит пользователя.
Еще одна функция, которую ИИ предлагает в решениях BI, – это расширенные возможности анализа данных. По сути, он полностью анализирует ваш набор данных автоматически, не требуя усилий с вашей стороны. Вы просто выбираете источник данных и получаете развернутый результат. Это невероятная экономия времени и других ресурсов.
Широкую популярность также помощники с искусственным интеллектом – это инструменты, которые позволяют пользователям взаимодействовать с программным обеспечением простым языком – пользователь вводит вопрос или запрос, и искусственный интеллект генерирует наилучший возможный ответ.
2) Безопасность данных
Проблемы информационной безопасности были актуальны в 2022 году, и они продолжает быть в тренде в 2023 году. Внедрение правил конфиденциальности, таких как GDPR (Общее регулирование защиты данных) в ЕС, CCPA (Калифорнийский закон о защите прав потребителей) в США и LGPD (Общий закон о защите персональных данных) в Бразилии заложили основы для обеспечения безопасности данных и управления личной информацией клиентов. Сегодня предприятия были вынуждены инвестировать в безопасность, чтобы соответствовать новым правилам, а также защитить себя от киберпреступности. Фактически, ожидается, что глобальные расходы на продукты кибербезопасности достигнут 1,75 трлн долларов в ближайшие 5 лет. Это не является неожиданностью для экспертов, поскольку в течение 2020 года и в начале распространения COVID-19 компании были вынуждены проходить срочную цифровую трансформацию, после которой остались бреши для атак киберпреступников. Также, согласно опросу за 2022 год 73% руководителей компаний говорят, что геополитическая неопределенность усиливает опасения по поводу корпоративных атак (против 61% в 2021 году). В ближайшие годы среди мер, принимаемых организациями, мы увидим рост внедрения системы нулевого доверия. Термин “Нулевое доверие” описывает не конкретную технологию, а подход, при котором предприятия устраняют “неявное доверие” из всей вычислительной инфраструктуры, проверяя каждый этап цифрового взаимодействия от устройств до пользователей независимо от местоположения. Это означает, что каждый пользователь, который хочет взаимодействовать с системами компании, должен быть подтвержден. Одной из последних тенденций в области бизнес-аналитики является сетевая архитектура кибербезопасности – это составной и масштабируемый элемент управления безопасностью, который направлен на защиту цифровых активов. Он направлен на создание определенного периметра безопасности вокруг человека или конкретной точки с использованием более модульного подхода, например, позволяющего пользователям безопасно получать доступ к данным со своих смартфонов.
3) Исследование визуализированных данных
Исследование данных (Data Discovery) с использованием визуальных средств открыло аналитические возможности для более широкой аудитории, и ожидается, что в ближайшие годы объем этой аудитории продолжит расти. Как показал опрос, проведенный в 2022 году, подобные исследования уже вошли в топ-4 важнейших трендов бизнес-аналитики. Практики BI неуклонно демонстрируют, что расширение прав и возможностей бизнес-пользователей является сильной и последовательной тенденцией.
По сути исследование данных – это процесс сбора данных из различных внутренних и внешних источников с использованием расширенной аналитики и визуализации данных для консолидации всей информации. Этот подход позволяет компаниям вовлекать в работу с информацией все заинтересованные стороны, предоставляя им возможность интуитивно анализировать информацию и манипулировать ей.
4) Инструменты прогнозной и прескриптивной аналитики
Бизнес-аналитика завтрашнего дня ориентирована на будущее и пытается ответить на вопрос: что произойдет? Как мы можем сделать так, чтобы это произошло? Соответственно, прогнозная и прескриптивная аналитики на сегодняшний день является наиболее обсуждаемыми тенденциями BI.
Прогнозная аналитика (Predictive Analytics) – это практика извлечения информации из существующих наборов данных с целью прогнозирования будущих вероятностей. Это расширение интеллектуального анализа данных, которое относится только к прошлым данным.
Прогнозная аналитика включает в себя предполагаемые будущие данные и, следовательно, всегда учитывает возможность ошибок при ее определении, хотя эти ошибки неуклонно уменьшаются по мере того, как программное обеспечение, управляющее большими объемами данных, становится умнее и эффективнее. Применительно к бизнесу эта практика используется для анализа текущих данных и исторических фактов, чтобы лучше понять клиентов, продукты и партнеров, а также выявить потенциальные риски и возможности для компании.
Разные отрасли используют прогнозную аналитику по-разному. Авиакомпании используют ее, чтобы сформировать градацию цен на билеты и понять, сколько билетов продавать по каждой цене, в рамках каждого рейса. Отели пытаются спрогнозировать количество гостей, которых они могут ожидать в любую конкретную ночь, чтобы скорректировать цены таким образом, чтобы максимально увеличить заполняемость и увеличить доход. Маркетологи определяют поведение клиентов и создают возможности перекрестных продаж, в то время как банкиры создают кредитные рейтинги.
Среди различных методов прогнозной аналитики два довольно популярны среди специалистов по обработке данных: искусственные нейронные сети (ANN — Artificial Neural Network) и интегрированная модель авторегрессии — скользящего среднего — модель и методология анализа временных рядов (ARIMA — Autoregressive Integrated Moving Average).
В искусственных нейронных сетях (ANN) данные обрабатываются аналогично тому, как в биологических нейронах. Технология дублирует биологию: информация поступает в математический нейрон, обрабатывается им и выдает результаты. Этот единичный процесс становится математической формулой, которая повторяется несколько раз. Как и в человеческом мозге, мощь нейронных сетей заключается в их способности соединять наборы нейронов слоями и создавать многомерную сеть. Входные данные для второго слоя поступают с выходных данных первого слоя, и ситуация повторяется раз за разом. Эта процедура позволяет фиксировать ассоциации или обнаруживать закономерности в наборе шаблонов со значительным объемом и разнообразием данных, количеством переменных.
ARIMA – это модель, используемая для анализа временных рядов, которая использует исторические данные для моделирования актуальных данных и составления прогнозов на будущее. Анализ включает в себя проверку автокорреляций – сравнение того, как текущие значения данных зависят от прошлых значений, – особенно выявление того, насколько глубокая ретроспектива должна быть использована при составлении прогнозов.
Каждая часть ARIMA заботится о разных сторонах создания модели – авторегрессии (AR) пытается оценить текущее значение, учитывая предыдущее. Любая разница между прогнозируемыми данными и реальным значением – в зоне ответственности скользящей средней (MA). Мы можем проверить, являются ли эти значения нормальными, случайными и стационарными – с постоянным изменением. Любые отклонения в этих точках могут дать представление о поведении рядов данных, предсказать новые аномалии или помочь обнаружить лежащие в их основе закономерности, невидимые невооруженным глазом.
Методы ARIMA сложны, и делать выводы на основе полученных результатов может быть не так просто, как при использовании более базовых подходов к статистическому анализу. Но как только основные принципы усвоены, ARIMA предоставляет очень мощный инструмент для прогностического анализа.
Прескриптивная аналитика (Prescriptive Analytics) делает еще один шаг в будущее. Она анализирует данные, чтобы определить, какие решения следует принять и какие шаги предпринять для достижения намеченной цели. Прескриптивная аналитика характеризуется такими методами, как графический анализ, моделирование, обработка сложных событий, нейронные сети, механизмы рекомендаций, эвристика и машинное обучение.
Прескриптивная аналитика пытается увидеть, каким будет эффект от будущих решений, чтобы скорректировать их до того, как они будут фактически приняты. Это значительно улучшает процесс принятия решений, поскольку при прогнозировании учитываются будущие результаты. Данная практика может помочь оптимизировать планирование, производство, инвентаризацию и проектирование цепочки поставок, чтобы наиболее оптимальным образом предоставлять то, чего хотят клиенты.
5) Совместная бизнес-аналитика
Совместная бизнес-аналитика (Collaborative BI) – это сочетание инструментов совместной работы, включая социальные сети и другие технологии с онлайн-инструментами BI.
Подобные разработки упрощают обмен данными, создавая автоматизированные отчеты, которые можно планировать на определенное время и для конкретных людей. Например, они позволяют настраивать оповещения и предоставлять доступ к общедоступным или встроенным информационным панелям с высоким уровнем интерактивности. Эти возможности уже адаптированы ко всем видам устройств, что улучшает процессы принятия решений и решения проблем, критически важные для современной постоянно меняющейся среды. Это особенно необходимо сейчас, когда пандемия вынудила предприятия перейти на удаленную работу.
С продолжением статьи можно ознакомиться здесь Часть 2